Jak przypisać kolory do zmiennych kategorialnych w ggplot2, które mają stabilne mapowanie?

Zacząłem nabierać prędkości z R w ostatnim miesiącu.

Oto moje pytanie:

Jaki jest dobry sposób przypisywania kolorów do zmiennych kategorialnych w ggplot2, które mają stabilne mapowanie? Potrzebuję spójnych kolorów w zestawie wykresów, które mają różne podzbiory i różną liczbę zmiennych kategorialnych.

Na przykład,

plot1 <- ggplot(data, aes(xData, yData,color=categoricaldData)) + geom_line()

gdzie categoricalDatama 5 poziomów.

I wtedy

plot2 <- ggplot(data.subset, aes(xData.subset, yData.subset, 
                                 color=categoricaldData.subset)) + geom_line()

gdzie categoricalData.subsetma 3 poziomy.

Jednak określony poziom w obu zestawach będzie miał inny kolor, co utrudnia wspólne odczytywanie wykresów.

Czy muszę utworzyć wektor kolorów w ramce danych? A może jest inny sposób przypisania określonych kolorów do kategorii?

W prostych sytuacjach, takich jak dokładny przykład w PO, zgadzam się, że odpowiedź Thierry'ego jest najlepsza. Uważam jednak, że warto wskazać inne podejście, które staje się łatwiejsze, gdy próbujesz zachować spójne schematy kolorów w wielu ramkach danych, z których nie wszystkie są uzyskiwane przez podzbiór jednej dużej ramki danych. Zarządzanie poziomami czynników w wielu ramkach danych może stać się uciążliwe, jeśli są one pobierane z oddzielnych plików, a nie wszystkie poziomy czynników pojawiają się w każdym pliku.

Jednym ze sposobów rozwiązania tego problemu jest utworzenie niestandardowej ręcznej skali kolorów w następujący sposób:

#Some test data
dat <- data.frame(x=runif(10),y=runif(10),
        grp = rep(LETTERS[1:5],each = 2),stringsAsFactors = TRUE)

#Create a custom color scale
library(RColorBrewer)
myColors <- brewer.pal(5,"Set1")
names(myColors) <- levels(dat$grp)
colScale <- scale_colour_manual(name = "grp",values = myColors)

a następnie w razie potrzeby dodaj skalę kolorów do wykresu:

#One plot with all the data
p <- ggplot(dat,aes(x,y,colour = grp)) + geom_point()
p1 <- p + colScale

#A second plot with only four of the levels
p2 <- p %+% droplevels(subset(dat[4:10,])) + colScale

Pierwsza fabuła wygląda następująco:

a druga fabuła wygląda tak:

W ten sposób nie musisz pamiętać ani sprawdzać każdej ramki danych, aby zobaczyć, czy ma ona odpowiedni poziom.

Jestem w takiej samej sytuacji wskazał malcook w swoim komentarzu : niestety odpowiedź przez Thierry nie działa z wersją 0.9.3.1 ggplot2.

png("figure_%d.png")
set.seed(2014)
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
    x = rnorm(500, mean = rep(1:5, 100)),
    y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Oto pierwsza cyfra:

a druga cyfra:

Jak widać, kolory nie pozostają niezmienne, na przykład E przełącza się z magenty na niebieski.

Jak zasugerował malcook w swoim komentarzu i hadley w swoim komentarzu, kod, który używa, limitsdziała poprawnie:

ggplot(subdata, aes(x = x, y = y, colour = fCategory)) +       
    geom_point() + 
    scale_colour_discrete(drop=TRUE,
        limits = levels(dataset$fCategory))

podaje następujący rysunek, który jest poprawny:

Oto wynik sessionInfo():

R version 3.0.2 (2013-09-25)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] methods   stats     graphics  grDevices utils     datasets  base     

other attached packages:
[1] ggplot2_0.9.3.1

loaded via a namespace (and not attached):
 [1] colorspace_1.2-4   dichromat_2.0-0    digest_0.6.4       grid_3.0.2        
 [5] gtable_0.1.2       labeling_0.2       MASS_7.3-29        munsell_0.4.2     
 [9] plyr_1.8           proto_0.3-10       RColorBrewer_1.0-5 reshape2_1.2.2    
[13] scales_0.2.3       stringr_0.6.2 

Najłatwiejszym rozwiązaniem jest przekonwertowanie zmiennej kategorialnej na czynnik przed podzestawieniem. Podsumowując, potrzebujesz zmiennej czynnikowej z dokładnie tymi samymi poziomami we wszystkich podzbiorach.

library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100), 
    x = rnorm(500, mean = rep(1:5, 100)), y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

Ze zmienną znakową

ggplot(dataset, aes(x = x, y = y, colour = category)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = category)) + geom_point()

Ze zmienną czynnikową

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

To jest stary post, ale szukałem odpowiedzi na to samo pytanie,

Dlaczego nie spróbować czegoś takiego:

scale_color_manual(values = c("foo" = "#999999", "bar" = "#E69F00"))

Jeśli masz wartości kategoryczne, nie widzę powodu, dla którego to nie powinno działać.

Na podstawie bardzo pomocnej odpowiedzi jorana udało mi się wymyślić to rozwiązanie dla stabilnej skali kolorów dla współczynnika boolowskiego ( TRUE, FALSE).

boolColors <- as.character(c("TRUE"="#5aae61", "FALSE"="#7b3294"))
boolScale <- scale_colour_manual(name="myboolean", values=boolColors)

ggplot(myDataFrame, aes(date, duration)) + 
  geom_point(aes(colour = myboolean)) +
  boolScale

Ponieważ ColorBrewer nie jest zbyt pomocny w przypadku binarnych skal kolorów, dwa potrzebne kolory są definiowane ręcznie.

Oto mybooleannazwa kolumny myDataFramezawierającej współczynnik PRAWDA / FAŁSZ. datei durationsą nazwami kolumn, które mają być odwzorowane na osie X i Y wykresu w tym przykładzie.